MétaCan
Menu
Retour à la cohorte
Enregistrement W3156679671 · doi:10.1093/cdn/nzab012

INTERGROWTH-21 Identifies High Prevalence of Low Symphysis–Fundal Height in Indigenous Pregnant Women Experiencing Multiple Infections, Nutrient Deficiencies, and Inflammation: The Maternal Infections, Nutrient Deficiencies, and Inflammation (MINDI) Cohort

2021· article· en· W3156679671 sur OpenAlexaff
Doris González‐Fernández, Elizabeta Nemeth, Emérita del Carmen Pons, Delfina Rueda, Odalis Sinisterra, Enrique Murillo, Veena Sangkhae, Lisa Starr, Marilyn E. Scott, Kristine G. Koski

Notice bibliographique

RevueCurrent Developments in Nutrition · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensMcGill University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Diabetes and Digestive and Kidney DiseasesSecretaría Nacional de Ciencia, Tecnología e Innovación
Mots-clésMedicinePregnancyHepcidinGestationCohortGestational ageOdds ratioFerritinInflammationInternal medicinePhysiologyObstetricsBiology

Résumé

récupéré en direct d'OpenAlex

In the absence of ultrasound, symphysis–fundal height (SFH) can assess maternal–fetal well-being as it is associated with gestational age, fetal weight, and amniotic fluid volume. However, other modifiers of SFH, including maternal infections, nutrient deficiencies, and inflammation (MINDI), have not been widely explored. Our objectives were 2-fold: 1) to assess prevalence of low SFH in indigenous Panamanian women using both Pan-American Health Organization (PAHO) and INTERGROWTH-21 standards and 2) to explore associations of SFH with maternal health indicators: infections (oral, skin, urogenital, nematode infections), nutrient deficiencies [protein and iron indicators (ferritin, serum iron, serum transferrin receptor, hepcidin), folate, and vitamins A, D, and B-12], and inflammation [leukocytes, C-reactive protein (CRP), cytokines]. For this cross-sectional study, low-SFH-for-gestational-age was assessed using PAHO and INTERGROWTH <10th centile in 174 women at ≥16 weeks of gestation. Bootstrapping selected MINDI variables for inclusion in multivariable fractional polynomial (MFP) logistic regressions for low SFH. Associations of MINDI variables with hepcidin were also investigated. Prevalence of low SFH was 8% using PAHO, but using INTERGROWTH, 50.6% had SFH <10th centile, including 37.9% <3rd centile. Both PAHO-SFH <10th centile and INTERGROWTH-SFH <3rd centile were associated with higher hepcidin (OR = 1.12, P = 0.008, and OR = 3.04, P = 0.001, respectively) and with lower TNF-α (OR = 0.73, P = 0.012, and OR = 0.93, P = 0.015, respectively). Wood-smoke exposure increased the odds of PAHO-SFH <10th centile (OR = 1.19, P = 0.009), whereas higher BMI decreased the odds of INTERGROWTH-SFH <3rd centile (OR = 0.87, P = 0.012). Lower pulse pressure (OR = 0.90, P = 0.009) and lower inflammatory responses [lower lymphocytes (OR = 0.21, P = 0.026), IL-17 (OR = 0.89, P = 0.011)] distinguished SFH <3rd centile from SFH ≥3rd to <10th centiles using INTERGROWTH-21 standards. The MFP regression for hepcidin controlling for SFH (adjusted R2 = 0.40, P = 0.001) revealed associations with indicators of inflammation (CRP, P < 0.0001; IL-17, P = 0.012), acidic urinary pH (P = 0.008), and higher intake of supplements (P = 0.035). Associations of low SFH with MINDI variables, including hepcidin, highlight its potential for early detection of multicausal in utero growth faltering.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,252
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Developments in NutritionMême sujetGestational Diabetes Research and ManagementTravaux en français237 207